دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Dr. Sergio Escalera, Dr. Isabelle Guyon, Vassilis Athitsos (eds.) سری: The Springer Series on Challenges in Machine Learning ISBN (شابک) : 9783319570211, 9783319570204 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 583 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص حرکت: هوش مصنوعی (شامل رباتیک)، پردازش تصویر و بینایی کامپیوتری، تشخیص الگو
در صورت تبدیل فایل کتاب Gesture Recognition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تشخیص حرکت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعهای از فصول نوشته شده توسط محققان برجسته بینالمللی را ارائه میکند که مربوط به تجزیه و تحلیل خودکار ژستها از تصاویر ثابت و توالیهای تصویر RGB-Depth چند وجهی است. این یک بررسی جامع از رویکردهای مبتنی بر دید برای روشهای تشخیص ژست نظارت شده است که توسط چالشهای مختلف تأیید شدهاند. چندین جنبه از تشخیص ژستها، از جمله جمعآوری دادهها از منابع مختلف، استخراج ویژگی، یادگیری، و تشخیص ژستها بررسی میشود.
This book presents a selection of chapters, written by leading international researchers, related to the automatic analysis of gestures from still images and multi-modal RGB-Depth image sequences. It offers a comprehensive review of vision-based approaches for supervised gesture recognition methods that have been validated by various challenges. Several aspects of gesture recognition are reviewed, including data acquisition from different sources, feature extraction, learning, and recognition of gestures.
Front Matter....Pages i-xii
Challenges in Multi-modal Gesture Recognition....Pages 1-60
Human Gesture Recognition on Product Manifolds....Pages 61-87
Sign Language Recognition Using Sub-units....Pages 89-118
MAGIC Summoning: Towards Automatic Suggesting and Testing of Gestures with Low Probability of False Positives During Use....Pages 119-154
Language-Motivated Approaches to Action Recognition....Pages 155-181
A Model of the Perception of Facial Expressions of Emotion by Humans: Research Overview and Perspectives....Pages 183-202
Finding Recurrent Patterns from Continuous Sign Language Sentences for Automated Extraction of Signs....Pages 203-230
Dynamic Affine-Invariant Shape-Appearance Handshape Features and Classification in Sign Language Videos....Pages 231-271
Discriminative Hierarchical Part-Based Models for Human Parsing and Action Recognition....Pages 273-301
Keep It Simple and Sparse: Real-Time Action Recognition....Pages 303-328
One-Shot Learning Gesture Recognition from RGB-D Data Using Bag of Features....Pages 329-364
One-Shot-Learning Gesture Recognition Using HOG-HOF Features....Pages 365-385
Multi-layered Gesture Recognition with Kinect....Pages 387-416
Bayesian Co-Boosting for Multi-modal Gesture Recognition....Pages 417-441
Transfer Learning Decision Forests for Gesture Recognition....Pages 443-466
Multimodal Gesture Recognition via Multiple Hypotheses Rescoring....Pages 467-496
The Gesture Recognition Toolkit....Pages 497-502
Robust Online Gesture Recognition with Crowdsourced Annotations....Pages 503-537
Deep Learning for Action and Gesture Recognition in Image Sequences: A Survey....Pages 539-578